第一次工业革命（18世纪60年代-19世纪中期），以蒸汽机、汽船、火车为代表，标志着人类进入蒸汽时代
第二次工业革命（19世纪七八十年代-19世纪末20世纪初），以电力、内燃机、飞机、汽车为代表，标志着人类进入电气时代
第三次工业革命（二战后-20世纪70年代），以计算机、原子能、航空航天、遗传工程为代表，标志着人类进入信息时代
第四次工业革命当前谈第四次工业革命还为时过早，更多的则是对未来的预测，没有一个统一定义。
硬件时代（1946—1980），国内代表企业：华为
软件时代（1980—2000），国内代表企业：华为、金蝶、用友
互联网时代
PC互联网（2000—2010），也叫Web10。标志是浏览器的诞生（90年代初诞生，20世纪初趋于成熟），国内代表企业：BAT（百度、阿里、腾讯）
移动互联网（2010—2020），也叫Web20。标志是智能手机的诞生（2010年iPhone4诞生），国内代表企业：TMD（头条、美团、滴滴）
物联网时代（2020—）
定义：通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。
国内代表企业
在后互联网时代和物联网时代的过渡期，又出（chuang）现（zao）了许多“专业术语”，下次选两个近几年比较有代表性的概念：工业互联网和产业互联网，聊五毛钱的。
行业主要上市公司：大富科技(300134)、梦网集团(002123)、共进股份(603118)、胜宏科技(300476)、润和软件(300339)、立昂技术(300603)等
本文核心数据：物联网产业规模、竞争格局、发展前景预测等
产业概况
1、定义
所谓“物联网”(Internet of
Things，IOT)，又称传感网，指的是将各种信息传感设备，如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网连接起来并形成一个可以实现智能化识别和可管理的网络。
2、产业链剖析：共有四大层面
所谓产业链，是以生产相同或相近产品的企业集合所在产业为单位形成的价值链，是承担着不同的价值创造职能的相互联系的产业围绕核心产业，通过对信息流、物流、资金流的控制，在采购原材料、制成中间产品以及最终产品、通过销售网络把产品送到消费者手中的过程中形成的由供应商、制造商、分销商、零售商、最终用户构成的一个功能链结构模式。
从产业链条来看，物联网的产业链条由上而下可以分为感知层、传输层、平台层和应用层四个层级。
自2018年中美贸易摩擦以来，美国加大了对中国高新技术出口的限制，不断扩大实体清单，影响了中国一些科技主导型企业的发展，这从侧面警示了中国在全球供应链中地位的脆弱性。物联网通过传感器把物理世界与数字世界联系起来，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。其中传感器作为数据采集的源头，已经成为各种应用能力所需的数据来源所在。目前中国国内也涌现出了一些传感器芯片重点生产企业，如：高德红外、西人马、士兰微、敏芯微电子、博通、全志科技、大唐微电子、复旦微电子等。
行业发展历程：处于市场验证期
物联网是通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等
信息传感设备，按约定的协议，把任何物体与因特网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网发展历史悠久，可分为三个阶段：
行业政策背景：政策大力推进
根据最新发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，在“十四五”期间，明确新基建，还要让5G用户普及率提高到56%。并且5次提到关于物联网的规划发展，除了划定数字经济的7大重点产业外，其余4次提到的场合均体现出对物联网发展重点的表述。
十四五规划中划定了7大数字经济重点产业，包括云计算、大数据、物联网、工业互联网、区块链、人工智能、虚拟现实和增强现实，这7大产业也将承担起数字经济核心产业增加值占GDP超过10%目标的重任。
产业发展现状
1、中国物联网连接数快速增长
全球物联网仍保持高速增长。物联网领域仍具备巨大的发展空间，根据GSMA发布的《The mobile economy
2020(2020年移动经济)》报告显示，2019年全球物联网总连接数达到120亿，预计到2025年，全球物联网总连接数规模将达到246亿，年复合增长率高达13%。我国物联网连接数全球占比高达30%，2019年我国的物联网连接数363亿。而根据2021年9月世界物联网大会上的数据，2020年末，我国物联网的数量已经达到453亿个，预计2025年能够超过80亿个。
2、应用层与平台层价值最高
从产业链价值分布看，应用层和平台层贡献最大的附加值，分别占到35%左右，传输连接层虽然重要，但产值规模较小;底层的感知层元器件由于种类众多，产业价值也较大，占到20%左右。
3、物联网应用者使用情况调研
微软发布的第三版《IoT Singal(物联网信号)》报告显示，2021年物联网的应用持续保持增长。91%的受访组织是物联网应用者。
物联网项目可分为四个阶段：学习、试验/概念验证、购买和使用。2021年，29%的物联网项目处于学习阶段;处于试验/概念验证阶段的项目比例仍保持不变，2020年和2021年均为25%;处于购买阶段的项目比例增加了1%，从2020年的21%增加到2021年的22%;处于使用阶段的项目在2020年和2021年保持稳定，均为25%。
4、中国物联网市场规模突破25万亿
目前，物联网已较为成熟地运用于安防监控、智能交通、智能电网、智能物流等。近几年来，在各地政府的大力推广扶持下，物联网产业逐步壮大。再加之近几年厂商对物联网这一概念的普及，民众对物联网的认知程度不断提高，使得我国物联网市场规模整体呈快速上升的趋势。2019年我国物联网市场规模约在176万亿元左右，2020年根据赛迪公布的数据，我国物联网市场规模约达到214万亿元左右。初步统计，2021年市场规模为263万亿元。预计未来三年，中国物联网市场规模仍将保持18%以上的增长速度。中国物联网市场投资前景巨大，发展迅速，在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。
更多本行业研究分析详见前瞻产业研究院《中国物联网行业细分市场需求与投资机会分析报告》。
导语： 迈入2019年，小隐带大家一起回顾2018年Top 10大事件。
1最大的物联网迈进：微软
自2015年宣布Azure IoT Suite以来，Microsoft凭借其Azure云产品和相关的物联网平台即服务，已成为物联网领域的主要参与者。
在2018年4月，微软翻了一番，并宣布在4年内进一步投资50亿美元用于物联网技术。预计这些投资中的大部分将流入云服务，物联网 *** 作系统和分析。在2017年宣布“Azure IoT edge”和“IoT central”等服务后，微软在2018年宣布的两项杰出的物联网服务是Azure Sphere和Azure Digital Twins。Azure Sphere是Microsoft针对连接微控制器供电设备的高度安全的端到端解决方案。Azure Digital Twins是一项服务，允许开发人员构建物理资产的数字复制品 - 这是在数千台设备上扩展物联网解决方案的分析和其他元素的重要工具。
2年度消费者物联网故事：Sonos首次公开募股
物联网的2018年，另一个真正的成功故事首次亮相纳斯达克：扬声器制造商Sonos。Sonos于2018年8月1日上市，这家公司在2004年首次在CES上首次推出革命性的无线扬声器后，已有14年和45亿美元的资金Sonos是智能扬声器市场的首批进入者之一，它创造了消费者喜爱的高品质产品，并始终得到很好的评价。迄今为止，该公司已售出1900万件产品，目前全球拥有超过10亿户家庭，平均家庭目前大约购买3台Sonos产品，Sonos尚未满足全球99％以上的市场需求。
然而，Sonos上市后股价却讲述了一个不同的故事。自2018年8月首次公开募股以来，该股票已下跌约40％，因担心大型智能家居巨头可能最终停止与Sonos合作而取代智能扬声器市场自己。
2018年的另一个消费者物联网IPO，智能家居相机制造商Arlo Technologies，对公开市场的介绍更为糟糕; 自首次公开募股以来，该股票下跌约50％。
两家公司都希望避免成为另一家Fitbit--物联网 历史 上最大的失败IPO之一。自2016年年中首次公开募股以来，Fitbit股价下跌超过70％，而纳斯达克指数上涨超过30％。
3讨论最多的合作伙伴：罗克韦尔自动化 - PTC
工业自动化巨头罗克韦尔自动化于6月份宣布对物联网平台，PLM和CAD软件领导者PTC进行10亿美元的股权投资。工业物联网社区对这一消息进行了大量讨论，因为人们一直在想罗克韦尔将如何应对其主要竞争对手西门子强大的物联网平台推动。
在2018年晚些时候，罗克韦尔展示了该公司现在如何依靠PTC提供物联网平台组件，作为新推出的 “由PTC提供支持的创新套件”的一部分。两家公司都希望进一步将其软件组件构建为集成的工业数字化解决方案。
4最富有争议的市场：中国
也许从 高通 - 恩智浦合并失败中可以推断出中国掌握权力的最明显迹象之一。2016年10月，总部位于美国的芯片制造商高通宣布将以44亿美元的价格收购联想 汽车 芯片恩智浦的领导者，成为半导体行业有史以来最大的一笔交易。然而最终并未落地。原因是：中国。此次收购已在包括欧盟和韩国在内的八个司法管辖区获得批准 - 但随着2018年美中之间的全球贸易争端升温，中国监管机构并未批准该交易。
还有一些与中国物联网公司的全球纠纷。最值得注意的是，一些国家和电信公司禁止华为和中兴通讯。
与此同时，许多公司希望进一步加强与中国的关系。例如，英特尔，西门子，瑞萨和myDevices都与阿里云合作，将他们的产品带到中国并开展联合创新项目。微软还扩展了其中国云基础架构，使本地Azure区域的数量翻了一番 。中国物联网创业公司的资金也大幅增加。
5最尬之跌落神坛：通用电气
据“华尔街日报”报道，2018年7月30日，“工业互联网”的先驱通用电气公司正在寻求出售GE Digital及其IoT Platform Predix。
这一消息是在一系列负面事件的背后发生的，这些事件在过去几个月里震惊了公司。这包括数千名工人的裁员，其子公司GE Capital的财务困境，以及其股票从道琼斯工业平均指数下跌。
就在两年前，该公司宣布了雄心勃勃的计划，即到2020年成为“价值15亿美元的软件业务”，其中包括Predix单独销售的4B美元。
2018年12月，GE管理层最终决定采用不同的方法。本公司所售的现场服务管理软件ServiceMax其大部分股权，但决定给GE数字（与它Predix）一个全新独立的实体。2019年将使我们更深入地了解这个新实体的细节，以及它是否能够脱离GE过去几年收到的一些负面报道。
6最具影响力的研究报告：贝恩公司 - 解锁物联网机会
8月，贝恩公司发布了一项名为“解锁物联网中的机会” 的研究。该出版物全面概述了600多个物联网终端用户和180个物联网供应商的优先事项，观点和挑战。它还将结果与2016年的类似调查进行了比较。其中，贝恩发现：
贝恩在后续网络研讨会中提供了更多见解，其中显示，与2016年相比，特别是工业客户对物联网计划的投资回报率更加清晰，并且“质量控制”被客户和供应商标记为其关键用例之一。
7最重要的政府倡议：加州网络安全法
在几次尝试向美国参议院提交物联网网络安全法案失败后，加利福尼亚州于2018年8月底跳楼，并成为第一个通过物联网网络安全法的州。
从2020年1月1日开始，任何“直接或间接”连接到互联网的设备制造商必须为其配备“合理”的安全功能，旨在防止未经授权的访问，修改或信息泄露。
虽然许多人承认这项法律是一个姗姗来迟的第一步，但大多数专家批评它过于肤浅和模糊。例如，物联网安全公司VDOO的高级产品营销经理Ruth Artzi 写道： “对于唯一密码的法律要求是一个很好的进展，但不幸的是，这还不够。[]应以更具体的方式定义法律，因为根据设备的性质和功能，“适当的”安全程序的要求过于模糊，没有真正的机制来验证供应商是否采取了适当的措施。
8最重要的连接性计划：5G网络
5G是2018年讨论最多的技术趋势之一，因为它承诺在速度和延迟方面有所改变。2018年也是第一个5G网络开通的一年。
2018年6月标志着5G标准的初步完成，尽管预计到2019年3月甚至更晚的时候仍会进行一些功能性修订。
2018年10月，Verizon Communications成为世界上第一家在美国四个城市（洛杉矶，休斯顿，印第安纳波利斯，萨克拉门托）正式推出 5G网络的运营商。Verizon现在声称自己是“5G中的第一”，尽管它的竞争对手将其网络建立在专有的5G TF标准上，而不是官方的5G标准（由3GPP标准化）。
2018年12月，三家韩国运营商同时开通了商用5G网络。与Verizon的5G网络不同，它们的网络似乎基于3GPP标准，并且还为企业客户提供固定无线接入服务。
9最大的并购交易：IBM / Red Hat
物联网2018年看到了与物联网相关的大型交易。IBM 宣布有意收购价值34亿美元的红帽，这是有史以来最大的软件交易。该协议承诺IBM将在其竞争对手AWS，微软和谷歌一直处于领先地位的云市场中获得更好的地位。借助Red Hat，IBM现在拥有自己的容器解决方案，强大的云软件堆栈以及在混合云设置中更好地发挥作用的能力，允许跨多个云环境传输数据。IoT Analytics预计，混合和多云设置将在未来几年在物联网数据存储中发挥越来越重要的作用。
10最大的融资：View
除了上述基于物联网的终端用户应用资金增加的趋势外，第二个趋势是中国基于物联网的资金投入突然增加。总金额在1亿美元左右 - 考虑到处于早期阶段的融资企业，这一数字已经相当高了。
结语： 小隐在此也预祝您和您的团队在2019年取得成功！
大数据技术发展史：大数据的前世今生
今天我们常说的大数据技术，其实起源于Google在2004年前后发表的三篇论文，也就是我们经常听到的“三驾马车”，分别是分布式文件系统GFS、大数据分布式计算框架MapReduce和NoSQL数据库系统BigTable。
你知道，搜索引擎主要就做两件事情，一个是网页抓取，一个是索引构建，而在这个过程中，有大量的数据需要存储和计算。这“三驾马车”其实就是用来解决这个问题的，你从介绍中也能看出来，一个文件系统、一个计算框架、一个数据库系统。
现在你听到分布式、大数据之类的词，肯定一点儿也不陌生。但你要知道，在2004年那会儿，整个互联网还处于懵懂时代，Google发布的论文实在是让业界为之一振，大家恍然大悟，原来还可以这么玩。
因为那个时间段，大多数公司的关注点其实还是聚焦在单机上，在思考如何提升单机的性能，寻找更贵更好的服务器。而Google的思路是部署一个大规模的服务器集群，通过分布式的方式将海量数据存储在这个集群上，然后利用集群上的所有机器进行数据计算。 这样，Google其实不需要买很多很贵的服务器，它只要把这些普通的机器组织到一起，就非常厉害了。
当时的天才程序员，也是Lucene开源项目的创始人Doug Cutting正在开发开源搜索引擎Nutch，阅读了Google的论文后，他非常兴奋，紧接着就根据论文原理初步实现了类似GFS和MapReduce的功能。
两年后的2006年，Doug Cutting将这些大数据相关的功能从Nutch中分离了出来，然后启动了一个独立的项目专门开发维护大数据技术，这就是后来赫赫有名的Hadoop，主要包括Hadoop分布式文件系统HDFS和大数据计算引擎MapReduce。
当我们回顾软件开发的历史，包括我们自己开发的软件，你会发现，有的软件在开发出来以后无人问津或者寥寥数人使用，这样的软件其实在所有开发出来的软件中占大多数。而有的软件则可能会开创一个行业，每年创造数百亿美元的价值，创造百万计的就业岗位，这些软件曾经是Windows、Linux、Java，而现在这个名单要加上Hadoop的名字。
如果有时间，你可以简单浏览下Hadoop的代码，这个纯用Java编写的软件其实并没有什么高深的技术难点，使用的也都是一些最基础的编程技巧，也没有什么出奇之处，但是它却给社会带来巨大的影响，甚至带动一场深刻的科技革命，推动了人工智能的发展与进步。
我觉得，我们在做软件开发的时候，也可以多思考一下，我们所开发软件的价值点在哪里？真正需要使用软件实现价值的地方在哪里？你应该关注业务、理解业务，有价值导向，用自己的技术为公司创造真正的价值，进而实现自己的人生价值。而不是整天埋头在需求说明文档里，做一个没有思考的代码机器人。
Hadoop发布之后，Yahoo很快就用了起来。大概又过了一年到了2007年，百度和阿里巴巴也开始使用Hadoop进行大数据存储与计算。
2008年，Hadoop正式成为Apache的顶级项目，后来Doug Cutting本人也成为了Apache基金会的主席。自此，Hadoop作为软件开发领域的一颗明星冉冉升起。
同年，专门运营Hadoop的商业公司Cloudera成立，Hadoop得到进一步的商业支持。
这个时候，Yahoo的一些人觉得用MapReduce进行大数据编程太麻烦了，于是便开发了Pig。Pig是一种脚本语言，使用类SQL的语法，开发者可以用Pig脚本描述要对大数据集上进行的 *** 作，Pig经过编译后会生成MapReduce程序，然后在Hadoop上运行。
编写Pig脚本虽然比直接MapReduce编程容易，但是依然需要学习新的脚本语法。于是Facebook又发布了Hive。Hive支持使用SQL语法来进行大数据计算，比如说你可以写个Select语句进行数据查询，然后Hive会把SQL语句转化成MapReduce的计算程序。
这样，熟悉数据库的数据分析师和工程师便可以无门槛地使用大数据进行数据分析和处理了。Hive出现后极大程度地降低了Hadoop的使用难度，迅速得到开发者和企业的追捧。据说，2011年的时候，Facebook大数据平台上运行的作业90%都来源于Hive。
随后，众多Hadoop周边产品开始出现，大数据生态体系逐渐形成，其中包括：专门将关系数据库中的数据导入导出到Hadoop平台的Sqoop；针对大规模日志进行分布式收集、聚合和传输的Flume；MapReduce工作流调度引擎Oozie等。
在Hadoop早期，MapReduce既是一个执行引擎，又是一个资源调度框架，服务器集群的资源调度管理由MapReduce自己完成。但是这样不利于资源复用，也使得MapReduce非常臃肿。于是一个新项目启动了，将MapReduce执行引擎和资源调度分离开来，这就是Yarn。2012年，Yarn成为一个独立的项目开始运营，随后被各类大数据产品支持，成为大数据平台上最主流的资源调度系统。
同样是在2012年，UC伯克利AMP实验室（Algorithms、Machine和People的缩写）开发的Spark开始崭露头角。当时AMP实验室的马铁博士发现使用MapReduce进行机器学习计算的时候性能非常差，因为机器学习算法通常需要进行很多次的迭代计算，而MapReduce每执行一次Map和Reduce计算都需要重新启动一次作业，带来大量的无谓消耗。还有一点就是MapReduce主要使用磁盘作为存储介质，而2012年的时候，内存已经突破容量和成本限制，成为数据运行过程中主要的存储介质。Spark一经推出，立即受到业界的追捧，并逐步替代MapReduce在企业应用中的地位。
一般说来，像MapReduce、Spark这类计算框架处理的业务场景都被称作批处理计算，因为它们通常针对以“天”为单位产生的数据进行一次计算，然后得到需要的结果，这中间计算需要花费的时间大概是几十分钟甚至更长的时间。因为计算的数据是非在线得到的实时数据，而是历史数据，所以这类计算也被称为大数据离线计算。
而在大数据领域，还有另外一类应用场景，它们需要对实时产生的大量数据进行即时计算，比如对于遍布城市的监控摄像头进行人脸识别和嫌犯追踪。这类计算称为大数据流计算，相应地，有Storm、Flink、Spark Streaming等流计算框架来满足此类大数据应用的场景。 流式计算要处理的数据是实时在线产生的数据，所以这类计算也被称为大数据实时计算。
在典型的大数据的业务场景下，数据业务最通用的做法是，采用批处理的技术处理历史全量数据，采用流式计算处理实时新增数据。而像Flink这样的计算引擎，可以同时支持流式计算和批处理计算。
除了大数据批处理和流处理，NoSQL系统处理的主要也是大规模海量数据的存储与访问，所以也被归为大数据技术。 NoSQL曾经在2011年左右非常火爆，涌现出HBase、Cassandra等许多优秀的产品，其中HBase是从Hadoop中分离出来的、基于HDFS的NoSQL系统。
我们回顾软件发展的历史会发现，差不多类似功能的软件，它们出现的时间都非常接近，比如Linux和Windows都是在90年代初出现，Java开发中的各类MVC框架也基本都是同期出现，Android和iOS也是前脚后脚问世。2011年前后，各种NoSQL数据库也是层出不群，我也是在那个时候参与开发了阿里巴巴自己的NoSQL系统。
事物发展有自己的潮流和规律，当你身处潮流之中的时候，要紧紧抓住潮流的机会，想办法脱颖而出，即使没有成功，也会更加洞悉时代的脉搏，收获珍贵的知识和经验。而如果潮流已经退去，这个时候再去往这个方向上努力，只会收获迷茫与压抑，对时代、对自己都没有什么帮助。
但是时代的浪潮犹如海滩上的浪花，总是一浪接着一浪，只要你站在海边，身处这个行业之中，下一个浪潮很快又会到来。你需要敏感而又深刻地去观察，略去那些浮躁的泡沫，抓住真正潮流的机会，奋力一搏，不管成败，都不会遗憾。
正所谓在历史前进的逻辑中前进，在时代发展的潮流中发展。通俗的说，就是要在风口中飞翔。
上面我讲的这些基本上都可以归类为大数据引擎或者大数据框架。而大数据处理的主要应用场景包括数据分析、数据挖掘与机器学习。数据分析主要使用Hive、Spark SQL等SQL引擎完成；数据挖掘与机器学习则有专门的机器学习框架TensorFlow、Mahout以及MLlib等，内置了主要的机器学习和数据挖掘算法。
此外，大数据要存入分布式文件系统（HDFS），要有序调度MapReduce和Spark作业执行，并能把执行结果写入到各个应用系统的数据库中，还需要有一个大数据平台整合所有这些大数据组件和企业应用系统。
图中的所有这些框架、平台以及相关的算法共同构成了大数据的技术体系，我将会在专栏后面逐个分析，帮你能够对大数据技术原理和应用算法构建起完整的知识体系，进可以专职从事大数据开发，退可以在自己的应用开发中更好地和大数据集成，掌控自己的项目。
希望对您有所帮助！~
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）